实现ConvLSTM2D时报train_function错误及形状不匹配问题求助

错误原因 #

本次报错为模型输出张量与标签张量形状不匹配，导致MAE损失计算时无法完成广播操作：

• 你的标签为每个样本对应1个标量，形状为(样本数, 1)
• 原网络最后一层输出形状为(样本数, 200, 200, 1)，ConvLSTM2D输出的2D特征图未压缩就直接接入全连接层，形状与标签完全不符。
  另外你的有效样本总量仅为3条（5张图片步长为2的时间序列仅能生成3个样本），设置batch_size=16也会导致训练逻辑异常。

修复代码 #

1. 导入缺失的Flatten层 #

在头部导入语句中增加：

from keras.layers import Flatten

2. 修改模型结构 #

在激活层和全连接层之间新增特征压缩逻辑：

x0 = ConvLSTM2D(filters=3, kernel_size=(3, 3), padding="same", return_sequences=False, data_format="channels_last")(x0)
out = Activation('tanh')(x0)
# 新增Flatten层，将2D特征图压缩为1维向量
out = Flatten()(out)
outputL = Dense(1, name="a")(out)

3. 调整训练参数 #

将batch_size调整为匹配小样本的数值，同时删除输入输出不必要的列表封装：

history = model.fit(np.array(img_train), np.array(Label_train),
                    epochs=50, batch_size=1,
                    validation_data=(np.array(img_val),np.array(Label_val)))

补充说明 #

当前仅5张图片的样本量远不足以训练ConvLSTM2D网络，仅能验证代码可运行，实际使用需要补充至少数百组时间序列样本才能得到有效结果。

内容的提问来源于stack exchange，提问作者白原花梨